上海交通大学：《网络环境下的文科信息检索》教学资源（选修课）第16章网络搜索引擎.pdf_大学文库

C网络环境下的文科信息检索一Windows Internet Explorer ▣☒ ③。全业-包ttp:/1nt.aa1 ibrary.con/n/a11s/boo业/11b/1252985B/91 ebfla6953e4ab58290478bde1nef52/6921b56232b7?e8b7b4金分X9搜挑 P 文件(E)编绿（但）查看()收藏夹(a)工具(D帮助() 奇女规夹色刚络环境下的文科信息检索正文234顶~202234◆ ⊙t放于痛小文字摘录打印石纠↓下载闵读模式：目目昌风书内搜索 16.1.1.2搜索引擎的工作原理搜索引擎的工作原理大致如下：录 (1)抓取网页：每个独立的搜索号引繁都有自己的被称为“蜘蛛”之类(spider)的网页抓取程 >》序。网页抓取程序顺着网页中的超链接，连续地抓取网页。被抓取的网页被称为“网页快照”。由于互联网中超链接的应用很普遍，从理论上讲，从一定范围的网页出发，能搜集到绝大多数的网页。 (2)处理网页：搜索引擎抓到网页后，还要做大量的预处理工作，才能提供检索服务。其中，最重要的就是提取关键词，建立索引文件。此外，还包括去除重复网页、分析超链接、计算网页的重要度。 (3)提供检索：用户输入关键词进行检索，搜索引整从索引数据库中找出与该关键词匹配的网页。为了用户便于判断，除了网页标题和URL外，搜索引擎还会提供一段来自网页的摘要以及其他信息。 16.1.2搜索引擎的类型按照信息搜索方法和服务方式的不同，搜索引擎大致可分为：全文搜索引擎、目录式搜索引擎、元搜索引擎等类型。 16.1.2.1-全文搜索引擎全文搜索引擎：又称“关键词搜索引肇”、“机器人搜索引擎”、“自动搜录式搜索引擎”，是名副其实的搜索引擎。这类搜索引擎利用网络Rob©t自动搜索技术对各种网络资源进行抽取、标引、归并、排序，并创建可按关键词查询的Wb网页索引数据库。当用户输人检索词后，搜索引擎会自动将其与存贮在网上的信息特征进行比较匹配，提供包含该关键词信息的所有网址，以及通向该网站的链接。Googlet(谷歌)、“百度”即属此类。优点：收录的信息量巨大，索引撕捏左细道士托典七次面然小位白一如网络环境下的文科信息检索 2019/5131 7

C网络环境下的文科信息检索一Windows Internet Explorer ▣☒ ③。全业-包ttp:/1nt.aa1 ibrary.con/n/a11s/boo业/11b/1252985B/91 ebfla6953e4ab58290478bde1nef52/6921b56232b7?e8b7b4金分X9搜挑 P 文件(E)璃舒（但）查看()收燕夹(a)工具(D帮助() 奇女规夹色两络环境下的文科信息检索正文234顶 203234◆ ⊙t动于 ©痛小文字摘录打印创始◆下较同读模式：目目号网书内搜索第16章网络搜索弓引警 203 目特性检索。缺点：返回信息量过多，查准率较低：对同一关键词的检索，不同全文搜索引擎反馈 >》的结果相差很大，须从结果中进行筛选，费时费力。 16.1.2.2目录式搜索引擎目录式搜索引擎：又称“目录索引”，其实只是按目录分类的网站链接列表而已，虽有搜索功能，从严格意义上来讲，算不上真正的搜索引擎。这类“搜素引擎”是人工干预型搜索引整，其数据库由人工建立，主要通过人工发现信息。编辑人员以某种分类体系为依据，按网络资源的主要性质进行分类，将其分为若干主题。目录界面一般采用分级结构，可从基本的大类人口，逐级向下访问，通过层层点击直至找到所需内容，也可利用目录提供的搜索功能直接查询关键词。Yahoo(雅虎)、新浪分类目录搜索即属此类。优点：网络资源经过人工筛选，查准率较高。只要按搜索引繁的分类体系，层层深人即可。缺点：搜索范围较小，查全率较低：没有统一、科学的分类体系为依据，类目交叉，内容重复：需投入较多的人力，难以跟上网络资源的增长步伐。目前，目录式搜索引擎和全文搜索引整之间的界限越来越模糊，很多搜索引擎同时提供分类和关键词检索两种方式。 16.1.2.3元搜索引擎元搜索引擎：是指建立在多个搜索引擎基础之上的多元集成型搜索引擎。这类搜索引繁接受用户查询请求后，同时在多个搜索引擎上搜索，并将结果返回给用户。WebCrawler、搜星搜索引擎即属此类。元搜索引擎可分为：搜索引擎目录和多元搜索引肇两类。搜索弓引整目录是将主要的搜索马引整集中起来，并按类型或检索问顺第编排，组织成目最，网络环境下的文科信息检索 2019/5131 9

C网络环境下的文科信息检索一Windows Internet Explorer ▣☒ ③。全业-包ttp:/1nt.aa1 ibrary.con/n/a11s/boo业/11b/1252985B/91 ebfla6953e4ab58290478bde1nef52/6921b56232b7?e8b7b4金分X9搜挑 P 文件(E)编绿（但）查看()收藏夹(a)工具(D帮助() 奇女规夹色网络环境下的文科信息检索正文234顶 203234◆ ⊙+放天缩小文字摘录打印石纠↓下数网读模式：目目昌书内搜索 16.1.2.3元液原李元搜索引擎：是指建立在多个搜索引擎基础之上的多元集成型搜索引擎。这类搜索引繁录接受用户查询请求后，同时在多个搜索引擎上搜索，并将结果返回给用户。WebCrawler、搜星 7 搜索引擎即属此类。元搜索引擎可分为：搜索引擎目录和多元搜索引擎两类。搜索引擎目录是将主要的搜索引整集中起来，并按类型或检索问题等编排、组织成目录，相当于传统文献的书目之书目、索引之索引。其功能是指号引用户找到合适的搜索引繁。多元搜索引整是将多个搜索引擎集成在一起，提供一个统一的检索界面，接收并处理查询提问。一次查询可以同时检索多个独立搜索引整，再经过聚合、去重之后，输出检索结果。使用元搜素引擎能够大大提高网页覆盖率。 16.2搜表弓引警至要搜索引肇从1990年延生，到1993年大批涌现，发展至今，已有3000多种。中国互联网络信息中心(China Internet Network Information Center,简称CNNIC)发布的《CNNIC中国搜索引擎市场调查报告》(2006)①显示：北京（京）、上海（沪）和广州（穗）三地搜索引整用户的首选搜索引擎：百度，占62.1%，谷歌(Google),占25.3%，雅虎搜索，占 4.8%,搜狐搜狗(Sogou),占3.2%：新浪爱问(iAsk),占1.2%：其他搜索引擎，占3.3%。《CNNIC搜索引擎市场调查报告》(2007)②显示：中国（全国）搜索用户的搜索引肇首选率：百度，占74.5%：谷歌(Google),占14.3%：搜孤，占2.86：雅虎系，占2.1%。中国高端用户首选百度的用户达47.726：首选Google的达42.32%。网络环境下的文科信息检索 2019/5131 10

上海交通大学：《网络环境下的文科信息检索》教学资源（选修课）第16章 网络搜索引擎

上海交通大学：《网络环境下的文科信息检索》教学资源（选修课）第16章网络搜索引擎